FinBERT是一款基于金融通讯文本预训练的BERT模型，旨在推动金融自然语言处理领域的研究与实践。该模型依托三大金融文本语料库进行训练，总规模达49亿词元：

• 企业年报（10-K & 10-Q）：25亿词元
• 财报电话会议记录：13亿词元
• 分析师报告：11亿词元

获取FinBERT技术细节：点击链接

本次发布的finbert-tone模型是在分析师报告中的10,000条人工标注（积极/消极/中性）语句上微调的版本，在金融情感分析任务中表现卓越。若您需进行金融文本情感分析，可直接调用本模型。

学术引用请注明： 黄安弘、王辉、杨毅。《FinBERT：面向金融文本信息提取的大规模语言模型》。《当代会计研究》（2022）

使用指南

通过Transformers管道进行情感分析：

from transformers import BertTokenizer, BertForSequenceClassification
from transformers import pipeline

finbert = BertForSequenceClassification.from_pretrained('yiyanghkust/finbert-tone',num_labels=3)
tokenizer = BertTokenizer.from_pretrained('yiyanghkust/finbert-tone')

nlp = pipeline("sentiment-analysis", model=finbert, tokenizer=tokenizer)

sentences = ["资本短缺，需要额外融资",  
             "增长强劲且流动性充足", 
             "财务状况存在疑虑", 
             "利润持平"]
results = nlp(sentences)
print(results)  #LABEL_0: 中性; LABEL_1: 积极; LABEL_2: 消极